| dbo:abstract
|
- In measurements, the measurement obtained can suffer from two types of uncertainties. The first is the random uncertainty which is due to the noise in the process and the measurement. The second contribution is due to the systematic uncertainty which may be present in the measuring instrument. Systematic errors, if detected, can be easily compensated as they are usually constant throughout the measurement process as long as the measuring instrument and the measurement process are not changed. But it can not be accurately known while using the instrument if there is a systematic error and if there is, how much? Hence, systematic uncertainty could be considered as a contribution of a fuzzy nature. This systematic error can be approximately modeled based on our past data about the measuring instrument and the process. Statistical methods can be used to calculate the total uncertainty from both systematic and random contributions in a measurement. But, the computational complexity is very high and hence, are not desirable. L.A.Zadeh introduced the concepts of fuzzy variables and fuzzy sets. Fuzzy variables are based on the theory of possibility and hence are possibility distributions. This makes them suitable to handle any type of uncertainty, i.e., both systematic and random contributions to the total uncertainty. Random-fuzzy variable (RFV) is a type 2 fuzzy variable, defined using the mathematical possibility theory, used to represent the entire information associated to a measurement result. It has an internal possibility distribution and an external possibility distribution called membership functions. The internal distribution is the uncertainty contributions due to the systematic uncertainty and the bounds of the RFV are because of the random contributions. The external distribution gives the uncertainty bounds from all contributions. (en)
- Dalam mengukur sesuatu, terjadi dua ketidakpastian terhadap hasil yang didapatkan. Dua hal ini adalah ketidakpastian acak, yang terjadi karena derau yang terjadi saat proses pengukuran, dan ketidakpastian sistemik, yang terjadi karena faktor instrumen pengukuran. Ketidakpastian sistemik, apabila terdeteksi, dapat diatasi dengan relatif mudah karena merupakan variabel konstan selama instrumen dan proses pengukuran tidak berubah. Tetapi bagaimana mengetahui secara pasti kesalahan sistemik yang ada ketika sedang mengukur? Dengan demikian, ketidakpastian sistemik dapat dianggap sebagai sesuatu yang memiliki sifat buram (fuzzy). Kesalahan sistemik dapat diperkirakan berdasarkan data mengenai instrumen dan proses pengukuran yang digunakan di masa lampau. Metode statistik dapat digunakan untuk menghitung total ketidakpastian dari kontribusi sistemik dan acak. Tapi perhitungan ini memiliki kompleksitas komputasi yang sangat tinggi, sehingga kurang begitu disukai. mengenalkan konsep variabel buram dan himpunan buram. Variabel buram merupakan distribusi kemungkinan, karena berdasar pada teori kemungkinan. Variabel buram dapat digunakan pada berbagai macam ketidakpastian, seperti kontribusi sistemik dan acak ke dalam total ketidakpastian. Variabel acak-buram (VAB) adalah adalah variabel buram tingkat 2, yang didefinisikan menggunakan teori kemungkinan matematis, digunakan untuk merepresentasikan keseluruhan informasi berkenaan dengan suatu hasil pemngukuran. VAB memiliki distribusi kemungkinan internal dan eksternal. Distribusi internal adalah kontribusi ketidakpastian yang disebabkan ketidakpastian sistemik dan merupakan batas nilai VAB karena dipengaruhi kontribusi acak. Distribusi eksternal, disebut dengan fungsi keanggotaan, memberi batas nilai dari semua kontribusi yang ada. (in)
|
| dbo:thumbnail
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 15486 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| dbp:wikiPageUsesTemplate
| |
| dcterms:subject
| |
| rdfs:comment
|
- In measurements, the measurement obtained can suffer from two types of uncertainties. The first is the random uncertainty which is due to the noise in the process and the measurement. The second contribution is due to the systematic uncertainty which may be present in the measuring instrument. Systematic errors, if detected, can be easily compensated as they are usually constant throughout the measurement process as long as the measuring instrument and the measurement process are not changed. But it can not be accurately known while using the instrument if there is a systematic error and if there is, how much? Hence, systematic uncertainty could be considered as a contribution of a fuzzy nature. (en)
- Dalam mengukur sesuatu, terjadi dua ketidakpastian terhadap hasil yang didapatkan. Dua hal ini adalah ketidakpastian acak, yang terjadi karena derau yang terjadi saat proses pengukuran, dan ketidakpastian sistemik, yang terjadi karena faktor instrumen pengukuran. Ketidakpastian sistemik, apabila terdeteksi, dapat diatasi dengan relatif mudah karena merupakan variabel konstan selama instrumen dan proses pengukuran tidak berubah. Tetapi bagaimana mengetahui secara pasti kesalahan sistemik yang ada ketika sedang mengukur? Dengan demikian, ketidakpastian sistemik dapat dianggap sebagai sesuatu yang memiliki sifat buram (fuzzy). (in)
|
| rdfs:label
|
- Variabel acak-buram (in)
- Random-fuzzy variable (en)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:depiction
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageRedirects
of | |
| is dbo:wikiPageWikiLink
of | |
| is foaf:primaryTopic
of | |
